学习体验主导型教学评价指标体系构建与应用--以广州大学华软软件学院为例

有效的学习体验有助于调动学生的学习积极性。对大学来说,学习体验是学生提升专业能力的有效途径。从发达国家教学评价的发展历程来看,以学生学习体验为主导将纳入教学评价内容。本文对我国教学评价的现状和存在的问题,阐述了学习体验的内涵,构建了以学习体验为主导的教学评价指标体系,以期为我国高校的教学评价提供参考。     

基于CapsNet的行人检测方法及评价

为了提高道路环境中行人目标检测的准确率，改善现有检测算法对不同环境视角下漏检率较高、耗时过长、实用性较差等问题，本文提出了一种基于 CapsNet的行人检测模型. CapsNet由神经元所构成的 Capsule组成，通过动态路由协议对物体的实例化参数进行表达和传递，保留了各特征对象间的空间层级，采用 Caltech公开数据库对所提算法的有效性进行验证，并在检测准确率及算法耗时等方面与其他算法进行对比.实验结果表明：相比于其他主流检测算法，本文算法在确保检测效率的前提下，对数平均漏检率最低可降至 9.17%；且在 Caltech、INRIA和 NICTA数据集的交叉验证实验中，也能达到良好的检测效果，具有较好的鲁棒性和泛化能力.     

判决PN机理论及其在入侵检测中的应用

论文针对攻击行为的知识表示和智能分析展开研究,利用Petri网理论和人工智能技术,建立适合攻击行为分析与检测的理论和方法。提出一类Petri网子类型判决PN机和着色判决PN机作为攻击行为的描述模型,利用其运行机制检测攻击,并使用着色判决PN机的有色合成解决模式关联的问题,同时     

Real-Time Fuzzy Obstacle Avoidance Using Directional Visual Perception

This paper presents a novel vision-based obstacle avoidance approach for the Autonomous Mobile Robot (AMR) with a PanTilt-Zoom (PTZ) camera as its only sensing modality. The approach combines the morphological closing operation based on Sobel Edge Detection Operation and the (μ-kσ) thresholding technique to detect obstacles to soften the various lighting and ground floor effects. Both the morphology method and thresholding technique are computationaUy simple. The processing speed of the algorithm is fast enough to avoid some active obstacles. In addition, this approach takes into account the history obstacle effects on the current state. Fuzzy logic is used to control the behaviors of AMR as it navigates in the environment. All behaviors run concurrendy and generate motor response solely based on vision perception. A priority based on subsumption coordinator selects the most appropriate response to direct the AMR away from obstacles. Validation of the proposed approach is done on a Pioneer 1 mobile robot.     

我国高等院校机房管理的探讨

高校的计算机机房是课程教学的重要实验场所,计算机机房使用和管理的好坏直接关系到相关教学的质量。因此必须重视机房管理工作,强化并完善机房的内部管理和日常管理,健全机房的相关管理制度,提高机房工作人员的专业素质和职业道德素质,加强对机房计算机病毒的防治工作,使机房管理促进教学工作。     

β-淀粉样蛋白诱导大鼠海马S100β表达的作用及机制

目的　探讨 β 淀粉样蛋白 (Aβ)对S10 0 β表达的影响及作用机制。 方法　采用Aβ2 5-3 5和IL 1ra ,选择大鼠海马CA1区进行定位注射 ,通过行为学测试、刚果红染色和免疫组化技术结合图像分析的方法 ,对不同时间大鼠的学习记忆、淀粉样沉积、GFAP和海马CA1区S10 0 β表达的变化进行观测。 结果　Aβ2 5-3 5注射后 ,大鼠的学习记忆能力明显下降 ;海马CA1区出现Aβ沉积 ,并有大量GFAP阳性胶质细胞包绕 ;实验组S10 0 β阳性细胞数目在 3、7、2 1d较对照组均有明显增多 ,细胞平均面积只在 2 1d才有明显增大。脑内注射IL 1ra后 3、7d,S10 0 β阳性细胞数目明显低于同组的Aβ大鼠 ,而高于对照组。结论　Aβ2 5-3 5脑内注射可建立具有类似阿尔茨海默病的局部病理改变和学习记忆损害的AD动物模型 ;Aβ2 5-3 5可上调大鼠海马CA1区S10 0 β的表达 ,实验早期以S10 0 β阳性细胞的数目增加为主 ,后期表现为细胞体积的增大 ;IL 1ra脑内注射可明显降低Aβ2 5-3 5上调S10 0 β表达的作用 ,其机制是阻断由Aβ2 5-3 5激活的小胶质细胞释放的IL 1对星形胶质细胞的活化作用。     

基于轨迹数据的共享电动自行车逆行风险行为影响因素研究

为改善电动自行车带来的交通安全问题,研究逆行风险行为与其影响因素间的相关关系。基于长沙市芙蓉区共享电动自行车GPS轨迹数据,实现逆行行为的精准识别,采用机器学习CatBoost模型与SHAP可解释机器学习框架,从道路条件、交通状态、土地利用性质等方面开展逆行行为影响要素挖掘及作用解析。研究结果表明：CatBoost模型能够有效预测路段逆行频次并提取逆行行为的重要影响因素,主要包括出行时段、公共交通设施、土地利用性质、道路条件及交通状态等;从出行时段来看,工作日、早晚高峰时段更容易发生逆行;从公共交通设施与土地利用性质来看,道路周围公交站地铁站出口数量及餐饮、公司、购物等设施数量与逆行频次呈现非线性影响关系,在一定范围内设施数量与逆行行为存在正影响作用;从道路条件来看,过街通道间距在50~400 m时不易发生逆行,在非机动车道无物理隔离设施或过街通道间距在400~600 m时容易发生逆行,间距大于600 m时作用不稳定;从路段机非分隔形式来看,护栏分隔的逆行概率较低,绿化带分隔的逆行概率较高;从交通状态来看,当骑行速度、加速度较低或较高时与逆行行为负相关,当骑行速度在6~16 km·h^-1及加速度在0.3~1.0 m·s^-2时与逆行行为正相关。研究成果可为共享电动自行车风险骑行行为辨识、非机动车交通安全管理提供有效的技术支持。     

Data-driven train set crash dynamics simulation

Traditional finite element (FE) methods are arguably expensive in computation/simulation of the train crash. High computational cost limits their direct applications in investigating dynamic behaviours of an entire train set for crashworthiness design and structural optimisation. On the contrary, multi-body modelling is widely used because of its low computational cost with the trade-off in accuracy. In this study, a data-driven train crash modelling method is proposed to improve the performance of a multi-body dynamics simulation of train set crash without increasing the computational burden. This is achieved by the parallel random forest algorithm, which is a machine learning approach that extracts useful patterns of force–displacement curves and predicts a force–displacement relation in a given collision condition from a collection of offline FE simulation data on various collision conditions, namely different crash velocities in our analysis. Using the FE simulation results as a benchmark, we compared our method with traditional multi-body modelling methods and the result shows that our data-driven method improves the accuracy over traditional multi-body models in train crash simulation and runs at the same level of efficiency.     

基于多尺度核独立元分析与核极限学习机的柴油机故障诊断

为提高柴油机故障诊断速度和精度,提出了基于改进多尺度核独立元分析与量子粒子群优化核极限学习机的故障诊断方法。首先利用固有时间尺度分解对缸盖振动信号进行多尺度时频分解,并根据故障敏感度参数筛选有效分量以实现振动冲击特征增强;然后利用核独立元分析消除有效分量间的频带混叠,分离故障敏感频带,并提取各频带的AR模型参数、多尺度模糊熵和标准化能量矩构造联合故障特征向量;最后建立基于量子粒子群优化的核极限学习分类器实现柴油机故障诊断。试验结果表明,该方法有效增强了缸盖振动信号中的故障敏感特征,提高了柴油机故障诊断速度和精度,故障分类准确率达到98.45%。     

基于机器学习的地铁轨道几何劣化规律个性化建模研究

较高的轨道平顺性是保障地铁列车安全舒适运行的基础,准确掌握地铁轨道的劣化规律对保障轨道质量具有重要意义。根据地铁线路特点,选择影响地铁轨道质量劣化的7类异质性因素,给出赋值模型,并基于机器学习方法建立轨道质量指数(track quality index,TQI)短时预测前馈神经网络模型。为了验证模型,采集了北京地铁1号线的线路设备数据及2016年8月15日至2019年2月18日间的17次TQI检测数据,形成训练数据集和测试数据集,并采取深度学习技术,利用训练数据集对该模型进行训练。基于测试数据集的模型预测值的可决系数为0.938,平均绝对百分比误差为4.80%,结果表明该模型是有效的且具有较高的预测精度。